重大決定怎麼選？用 EKB 決策框架，拆解哈薩比斯的關鍵選擇

 

不知道你有沒有聽過 哈薩比斯（Demis Hassabis）這個名字，如果沒有聽過他的名字，但我相信你也一定聽過他創立的公司。


哈薩比斯打造出 AlphaGo ，就是 Google DeepMind 開發的電腦圍棋程式，它利用深度學習與強化學習技術在 2016 年擊敗韓國職業棋士李世乭，成為首個擊敗人類圍棋世界冠軍的 AI 。

他也是 Gemini 的總設計師與領導者，在 ChatGPT 推出後，Google 面臨強大的競爭壓力。就是哈薩比斯主導整合Google 原本的「Google Brain」與「DeepMind」兩大 AI 團隊，自領軍全力開發出能與 OpenAI 抗衡的 Gemini。


另一個你可能比較少聽過的 AlphaFold，哈薩比斯利用 Google DeepMind 開發的人工智能系統，依據氨基酸序列預測蛋白質的 3D 架構，進而大幅提升新藥開發與生物學的研究，哈薩比斯也因此獲得2024年諾貝爾化學獎的肯定。
 

看完這些選擇你可能會好奇，哈薩比斯到底是個什麼樣的人，他完整的故事我寫在 《無限機器》讀書心得：Gemini推手哈薩比斯的超級智慧長征，從西洋棋神童到諾貝爾獎，每一次選擇背後都是同一個念頭。 

圖一 ： 介紹哈薩比斯知識圖卡

 

 

退出是為了把資源投到更重要的事

 

看到哈薩比斯這麼多的資歷，你是不是覺得他一定是非常厲害的人，可能從小到大有很多的大公司，拿著高薪來邀請他。


但卻恰恰相反，他在 11 歲時棋力出眾，但他放棄了職業棋手之路 。在18 歲時，有一個遊戲公司創始人開出一個 50 萬英鎊的年薪，讓他可以有一夜暴富的機會，但他很果決地拒絕，堅持一定要到劍橋大學去唸書


 

DeepMind 在 ChatGPT 之前就有能力做，但他堅持不搶快，拒絕了提前推出聊天機器人，在人生很多關鍵的選擇上，他都選擇退出。

 

這跟我們對「長期主義者」的想像完全相反。我們以為長期主義是「堅持做一件事做很久」，但哈薩比斯的故事告訴我們 ：真正的長期主義，恰恰需要頻繁地退出那些自己認為「不夠重要」的賽道。


 

安妮·杜克（ Annie Duke ）在他的一本書《停損的勝算》裡講過一個很重要的觀點 ：


 

退出不是失敗，退出是為了把資源投到更重要的事上。

她說，適時退出通常感覺像過早退出，尤其是在你正面臨虧損的時候，但正因為大多數人捨不得走，所以留下來的人反而更難做出好決策。

哈薩比斯在青少年的時候，就幫自己立下一個標準，只要「 當這件事不配得上自己的全部投入時，它就會退出。」就是這個標準，當他在人生需要選擇抉擇時，它就會把這個標準拿出來用。

 

 

像是從火紅的遊戲公司退出，跑去劍橋大學讀書，走上了科學研究的路。不搶先推出AI聊天模型，而是先把重點放在DeepMind 的科學能力，每一次的抉擇，並不是先看到利益，而是知道什麼才是更重要的事情。


所以就像《停損的勝算》書裡頭說到的 ：


 

不要用結果判斷決策質量。一手好牌打輸了，不代表決策錯了 ；一手爛牌打贏了，也不代表決策對了。生活更像撲克，你的結果往往不是由你的策略決定，而是由你抓到的牌好不好決定的。

 

杜克告訴我們退出是對的，但她沒有回答一個關鍵問題：你怎麼知道什麼時候該退 ？退了之後往哪走？光知道「退出不是失敗」還不夠，我們還會需要一套判斷的工具，來幫助我們。



在沒有標準答案的時候，要怎麼把判斷的品質拉高，我之前在 《高效判斷的框架》心得：六大支柱打造更好的決策思考系統  ，也整理過另一套思考工具，你可以跟接下來的 EKB 對照著一起看。

圖二 ：決定標準的知識圖卡

 

 

用 EKB 決策算法，打造你的決策系統

 

中國有一位知名商業思想家喻穎正，他分享了一個個框架，叫 EKB 決策算法，我覺得這個方法很直得我們參考



這幾字母分別代表期望值（Expected Value）、凱利公式（Kelly Criterion）和貝葉斯更新（Bayesian Update）。
 

聽起來感覺很難，都是高深的數學，但他其實核心邏輯就是指 ：「  E 告訴你該押注哪些選項，K 幫你決定押多少，B 讓你根據新證據不斷修正。」



我們用這個框架來看哈薩比斯的每次選擇，你會發現他不是憑感覺做選擇，而是把這三個數字拿出來進行人生推論 。以下我跟你說明舉例 

 

 

 

E 期望值 ：不只看眼前收益，要看長期期望值

 

18 歲那年，遊戲公司創始人開出 50 萬英鎊的年薪挽留他。這個數字對一個剛成年的年輕人來說，幾乎沒有拒絕的理由。

 

但哈薩比斯不是在比較「拿 50 萬」和「不拿 50 萬」的收益，他在算的是長期期望值，也是就是長期累積下來，哪一個會更有價值 。



你看50 萬英鎊是確定的收益，馬上就可以落入口袋，但它背後的期望值其實有限。你會把往後幾年時間全部押在一家遊戲公司，你的天花板大概就是遊戲行業的天花板。
 

但去劍橋大學做科學研究剛好相反，現在你的短期收益是零，但長期期望值遠很大，當然前提是能堅持足夠久。



我們所說的「期望值」聽起來很難，但簡單的公式就是指 ：

 

期望值的計算就是把每一種可能的結果，乘上它發生的機率，再全部加起來，就是這個選擇「平均而言」值多少。

 

 

哈薩比斯拒絕50萬英鎊，本質上就是他判斷 ：做科學的長期期望值，大於遊戲公司的確定收益。

 

而這個跟我們平常的反應正好顛倒，看到一個高薪 offer，第一個念頭通常是「 哇 ！這數字好吸引人 」，但我們都沒有好好的停下來思考「如果我走這條路，十年後它大概會長成什麼樣子」。
 

 

所以當遇到決策時，我們可以問自己這五個問題 ：

 

• 這件事現在給我的好處是什麼？三年後會留下什麼？

• 它是一次性的收益，還是會累積成長期資產？

• 如果我繼續投入這條路，會讓我更靠近真正想成為的人嗎？

• 我現在心動的是「眼前報酬」，還是「長期可能性」？

 

以上的問句，就是幫助你把自己的判斷價值，換成期望值的思維去看。很多你以為「看起來很有價值」的選擇，提問後你就會發現，其實並沒有這麼有價值

 

 

圖三 ：期望值評估的知識圖卡